CN109298430A - 一种水下复合仿生探测装置及探测目标融合识别方法 - Google Patents
一种水下复合仿生探测装置及探测目标融合识别方法 Download PDFInfo
- Publication number
- CN109298430A CN109298430A CN201810898471.7A CN201810898471A CN109298430A CN 109298430 A CN109298430 A CN 109298430A CN 201810898471 A CN201810898471 A CN 201810898471A CN 109298430 A CN109298430 A CN 109298430A
- Authority
- CN
- China
- Prior art keywords
- laser
- information
- underwater
- detection
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63G—OFFENSIVE OR DEFENSIVE ARRANGEMENTS ON VESSELS; MINE-LAYING; MINE-SWEEPING; SUBMARINES; AIRCRAFT CARRIERS
- B63G8/00—Underwater vessels, e.g. submarines; Equipment specially adapted therefor
- B63G8/001—Underwater vessels adapted for special purposes, e.g. unmanned underwater vessels; Equipment specially adapted therefor, e.g. docking stations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63G—OFFENSIVE OR DEFENSIVE ARRANGEMENTS ON VESSELS; MINE-LAYING; MINE-SWEEPING; SUBMARINES; AIRCRAFT CARRIERS
- B63G8/00—Underwater vessels, e.g. submarines; Equipment specially adapted therefor
- B63G8/001—Underwater vessels adapted for special purposes, e.g. unmanned underwater vessels; Equipment specially adapted therefor, e.g. docking stations
- B63G2008/002—Underwater vessels adapted for special purposes, e.g. unmanned underwater vessels; Equipment specially adapted therefor, e.g. docking stations unmanned
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种水下复合仿生探测系统及探测目标融合识别方法,包括水下激光探测模块、人工侧线感应模块以及电场探测通信模块。利用激光探测装置采集信息进行近距离高精度测距、定向及水下目标成像;利用人工侧线装置采集的水流水压信息得到航行器相对速度、所处深度,以及定位水下振源;利用电场探测通信装置进行障碍物探测和水下通信,最后使用基于深度神经网络的融合识别方法,通过三类探测系统传感单元的信息融合,以及多个航行器之间的信息交互,为通过水下航行器集群控制执行复杂任务提供保障。通过不同探测系统得到的协同信息,实现水下航行器的高精度自主探测功能,为水下航行器进行海洋集群探测提供一种新的思路和途径。
Description
技术领域
本发明属于水下航行器探测技术领域,特别涉及一种水下复合仿生探测装置及探测目标融合识别方法。
背景技术
随着陆地资源匮乏问题日益明显,世界各国愈发重视对海洋的研究开发。其中,水下航行器在水下目标搜寻、海洋资源探测等方面得到了广泛应用。在实际应用中,如何在水下复杂环境下提高水下探测系统的性能是关键问题。而目前传统的声呐、电磁场等单一的水下探测手段由于受到其物理场特性的影响,具有非常大的局限性。近年来,研究人员从鱼类在水下获取信息的方式得到启发,通过仿生原理模拟鱼类的感知方式,包括模拟视觉系统、听觉系统、侧线系统、电感应系统等。但目前人工制造的仿生探测系统仍不完善,并且不同探测方式缺乏补充、协同,不能实现将多类单一探测进行融合识别。
发明内容
本发明的目的在于提供一种水下复合仿生探测装置及探测目标融合识别方法,以解决上述问题。
为实现上述目的,本发明采用以下技术方案:
一种水下复合仿生探测装置,包括水下激光探测装置、人工侧线感应装置、电场探测通信装置、探测器壳体和数据处理平台;水下激光探测装置、人工侧线感应装置和电场探测通信装置均连接到数据处理平台;数据处理平台用于处理水下激光探测装置、人工侧线感应装置和电场探测通信装置反馈的数据信息,分别得到激光图像信息、自身运动状态信息、水中振源位置信息和目标物体位置形状信息;水下激光探测装置设置在探测器壳体的前端,人工侧线感应装置对称设置在探测器壳体的两侧,电场探测通信装置设置在探测器壳体的侧面和两端,数据处理平台设置在探测器壳体内;数据处理平台包括激光信号处理器、水流水压数据处理器和电信号处理器,激光信号处理器、水流水压数据处理器和电信号处理器均输出结果到深度神经网络对目标进行进一步识别分类。
进一步的,水下激光探测装置包括激光发射装置、激光发射控制装置、激光信号采集装置和激光信号处理器;激光发射装置连接激光发射控制装置,激光信号采集装置连接到激光信号处理器,激光信号处理器连接激光发射控制装置;激光发射装置用于向水下探测区域发射激光,激光信号采集装置用于接收发射激光接触目标物体后的回波信号,激光信号处理器用于将回波信号处理成图像,同时输出目标信息及返回激光器控制信息到激光发射控制装置。
进一步的,人工侧线感应装置包括流体传感器阵列和水流水压数据处理器,流体传感器阵列连接水流水压数据处理器,两个流体传感器阵列分别设置在探测器壳体的两侧,每个流体传感器阵列均由若干流体传感器并排连接形成;流体传感器阵列为采用智能材料制造的感知器感知水流水压信息,水流水压数据处理平台用于处理传感器阵列获得的水流水压信息,提供控制信息到探测平台运动控制器及确定水下振源方位信息并输出到数据处理平台。
进一步的,电场探测通信装置包括电信号发送端,电信号接收端和电信号处理器;电信号发送端和电信号接收端均连接到电信号处理器,电信号发送端包括电信号产生器和两个发射电极,一个发射电极发射低频正弦电信号,另一个发射电极接地;电信号接收端包括数据采样器,用于监测周围电场变化,经电信号处理器处理后获得目标位置和形状大小信息。
进一步的,一种水下复合仿生探测装置的探测目标融合识别方法,基于上述任意一项所述的一种水下复合仿生探测装置,包括以下步骤:
步骤1,建立探测结果训练数据库:在水下复合仿生探测装置周围不同位置放置障碍目标,利用水下激光探测装置、人工侧线感应装置和电场探测通信装置获取各自探测信息,经处理后输出目标信息;以上述最终输出目标信息:方位、距离和形状为训练样本,以实际目标信息作为真实值对比,建立数据库;
步骤2,通过实验建立水下复合仿生探测装置目标探测结果数据库,探测结果数据库中,随机抽取80%作为深度神经网络的训练数据,15%作为训练时的测试数据,15%作为训练结束后的验证数据,使用部分数据进行测试,防止欠拟合现象产生,同时用部分数据进行测试,防止过拟合现象的产生,最后用验证数据进行验证,检验并确保深度神经网络的最终输出结果;
步骤3,利用设计的深度神经网络训练出具有辨识目标特性:方位、距离和形状的深度神经网络模型,将信息采集、信号特征提取、目标位置变化短期预测、结果输出的步骤一体化,实现融合。
与现有技术相比,本发明有以下技术效果:
本发明各探测模块接收信息由数据处理平台进行处理,结合深度神经网络方法识别目标。可根据子系统探测结果选择最优探测方式,具有较好的环境、目标自适应性,同时提高探测系统的工作效率和准确度。
本发明的水下激光探测装置在水质较好的近距离条件下为水下航行器提供高精度探测,在大致确定目标位置的条件下可进行精确测距、定向和水下激光成像。
本发明的人工侧线感知模块通过智能材料制造的水流水压感知器阵列感受水流变化,可同时获取水压压力数据和水流流速数据,用于定位水下振动源以及反映航行器自身运动速度,所处深度。可以在浑浊水质中正常工作。
本发明的水下电场探测通信装置通过安装在航行器上的发射电极形成规律分布的弱电场,在遇到障碍物体时发生相应变化,可反映物体位置和大小,并且电场分布几乎不受水质影响,适合在水中复杂条件下进行探测。
本发明针对水下航行器所处环境和探测需求,提供了一套包括多个探测模块在内的复合仿生探测系统,通过各系统统一协调弥补各自缺陷,使水下航行器能在复杂环境下有效探测目标。为水下航行器海洋探测提供一种新的思路和方法。
附图说明
图1为本发明水下航行器探测系统组成结构示意图;
图2为本发明各探测系统在水下航行器上的位置分布示意图;
图3为本发明激光探测模块工作流程示意图;
图4为本发明人工侧线感知模块工作流程示意图;
图5为本发明水下电场探测模块工作结构示意图;
图6为本发明数据处理平台处理流程图;
图7为本发明一种应用情况示意图。
其中:1、水下激光探测装置;2、人工侧线感知装置;3、电场探测通信装置。
具体实施方式
以下结合附图对本发明进一步说明:
本发明针对水下航行器所处环境和探测需求,提供了一套适用于水下航行器的复合仿生探测系统,将多个探测装置结合并互为补充以解决现有技术中的不足,使水下航行器能在复杂环境下有效探测目标。各子探测装置包括水下激光探测装置,人工侧线感知装置和电场探测通信装置。由数据处理平台处理各探测模块接收信息,根据情况实时切换探测方式以提高系统自适应性,工作效率和准确度。
水下激光探测装置包括激光发射装置、激光发射控制装置、激光信号采集装置和激光信号处理器;激光发射装置连接激光发射控制装置,激光信号采集装置连接到激光信号处理器,激光信号处理器连接激光发射控制装置;激光发射装置用于向水下探测区域发射激光,激光信号采集装置用于接收发射激光接触目标物体后的回波信号,激光信号处理器用于将回波信号处理成图像,同时输出目标信息及返回激光器控制信息到激光发射控制装置。
人工侧线感应装置包括流体传感器阵列和水流水压数据处理器,流体传感器阵列连接水流水压数据处理器,两个流体传感器阵列分别设置在探测器壳体的两侧,每个流体传感器阵列均由若干流体传感器并排连接形成;流体传感器阵列为采用智能材料制造的感知器感知水流水压信息,水流水压数据处理平台用于处理传感器阵列获得的水流水压信息,提供控制信息及目标振源方位信息给探测装置的运动控制器。
电场探测通信装置包括电信号发送端,电信号接收端和电信号处理器;电信号发送端和电信号接收端均连接到电信号处理器,电信号发送端包括电信号产生器和两个发射电极,一个发射电极发射低频正弦电信号,另一个发射电极接地;电信号接收端包括数据采样器,用于监测周围电场变化,经电信号处理器处理后获得目标位置信息。
本发明水下航行器复合仿生探测系统组成参阅图1,各子探测系统在水下航行器上的位置分布参阅图2,探测系统包括以下部分:
S1、参考鱼类视觉系统设计水下激光探测模块,位于水下航行器前部;
参阅图3,水下激光探测装置,包括激光发射装置,激光信号采集装置以及激光信号处理平台。所述激光发射装置用于向水下探测区域发射波长在460~540nm的激光,所述激光信号采集装置用于接收发射激光接触目标物体后的回波信号,之后将回波信号通过输出端输入激光信号处理平台并进行分析处理,输出目标信息及返回激光器控制信息。
具体的,包括以下步骤:
S101、根据初始参数,水下激光发射装置向待探测区域发射激光;
S102、激光信号采集装置接收目标反射激光并获得原始数据;
S103、将步骤S102得到的原始数据输入激光信号处理平台进行处理,经过实时处理形成结果图像;
S104、根据步骤S103的处理结果返回激光器控制信息到激光器控制模块,包括激光发射器发射角度和激光接收器接收角度信息,调整激光器指向驱动机构以获取更加清晰的水下目标图像。
S2、参考鱼类侧线系统设计人工侧线感知模块,位于水下航行器两侧轴线附近;
参阅图4,水下人工侧线感知装置,包括智能流体传感器阵列,流体内部通道以及水流水压数据处理平台。所述智能流体传感器阵列采用智能材料制造的感知器感知水流水压信息,所述流体内部通道连接各传感器,疏导水流,所述水流水压数据处理平台用于处理传感器阵列获得的水流水压信息,提供相应的控制信息及目标振源方位信息。
具体的,智能流体传感器沿航行器两侧轴线呈线型均匀分布,各传感器间距以不对相邻传感器造成干扰为宜。通过人造仿生纤毛感知水流变化信息,同时通过压力传感器感知水压变化,用于反映航行器自身的相对速度以及反映水压所代表的深度信息。水流水压数据处理平台根据传感器阵列的反馈信息分析航行器运动状态,根据接收到的声波确定水中振源位置信息。
S3、参考电鳗电场感应设计水下电场探测通信模块,电场发射端和接收端分别位于水下航行器前后和两侧;
参阅图5,水下电场探测通信装置,包括电信号发送端,电信号接收端和数据处理平台。所述电信号发送端包括电信号产生器和两个发射电极,一个发射电极发射频率在1kHz左右的低频正弦电信号,另一个发射电极接地,信号发送端可在水中产生规律的电场分布。所述电信号接收端包括数据采样器和数据处理器,监测周围电场变化,如遇障碍物及其他物体,电场分布发生变化,接收端电流随着航行器与探测物相对运动而发生有规律的变化,经数据处理平台处理后即可获得目标位置信息。
进一步的,在多个航行器配合工作时,各航行器通过电场变化感知各自位置,经过数据处理平台分析电场信号,使用粒子群优化算法进行定位优化,为集群控制提供通信条件和工作保障。
S4、数据处理平台将各子探测系统数据进行处理后汇总并返回控制信息进行调整以获得最佳探测效果;
参阅图6,数据处理平台集成各个探测模块数据处理器,对各探测模块接收信号进行进一步处理分析,分析各子系统探测情况,之后综合各探测模块探测结果,按照探测结果置信度选择可信度较高的探测方式作为主要参考。具体步骤如下:
S401、建立探测结果训练数据库。在水下航行器复合仿生探测系统周围不同位置放置障碍目标,利用所述各子探测系统获取各自探测信息,经处理后输出目标信息。以各子探测系统最终输出目标信息(方位、距离、形状)为训练样本,以实际目标信息作为真实值对比,建立数据库。
S402、通过实验建立水下航行器复合仿生探测系统目标探测结果数据库,探测结果数据库中,随机抽取80%作为深度神经网络的训练数据,15%作为训练时的测试数据,15%作为训练结束后的验证数据,使用尽可能多的数据进行测试,将防止欠拟合现象产生,同时用部分数据进行测试,防止过拟合现象的产生,最后用验证数据进行验证,检验并确保深度神经网络的最终输出结果。
S403、利用设计的深度神经网络训练出具有辨识目标特性(方位、距离、形状)的深度神经网络模型,将信息采集、信号特征提取、目标位置变化短期预测、结果输出等步骤一体化,在保证精度的情况下简化水下目标识别的信息处理流程。
S404、参阅图7,使用人工侧线感知模块和电场探测模块大致确定目标方位,如有必要,控制航行器接近目标,使用激光探测模块进行精确成像。各探测模块接收信息由数据处理平台进行处理,可根据情况实时切换探测方式,具有较好的环境、目标自适应性,同时提高探测系统的工作效率和准确度。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (5)
1.一种水下复合仿生探测装置,其特征在于,包括水下激光探测装置、人工侧线感应装置、电场探测通信装置、探测器壳体和数据处理平台;水下激光探测装置、人工侧线感应装置和电场探测通信装置均连接到数据处理平台;数据处理平台用于处理水下激光探测装置、人工侧线感应装置和电场探测通信装置反馈的数据信息,分别得到激光图像信息、自身运动状态信息、水中振源位置信息和目标物体位置形状信息;水下激光探测装置设置在探测器壳体的前端,人工侧线感应装置对称设置在探测器壳体的两侧,电场探测通信装置设置在探测器壳体的侧面和探测器壳体两端,数据处理平台设置在探测器壳体内;数据处理平台包括激光信号处理器、水流水压数据处理器和电信号处理器,激光信号处理器、水流水压数据处理器和电信号处理器均输出结果到深度神经网络对目标进行进一步识别分类。
2.根据权利要求1所述的一种水下复合仿生探测装置,其特征在于,水下激光探测装置包括激光发射装置、激光发射控制装置、激光信号采集装置和激光信号处理器;激光发射装置连接激光发射控制装置,激光信号采集装置连接到激光信号处理器,激光信号处理器连接激光发射控制装置;激光发射装置用于向水下探测区域发射激光,激光信号采集装置用于接收发射激光接触目标物体后的回波信号,激光信号处理器用于将回波信号处理成图像,同时输出目标信息及返回激光器控制信息到激光发射控制装置。
3.根据权利要求1所述的一种水下复合仿生探测装置,其特征在于,人工侧线感应装置包括流体传感器阵列和水流水压数据处理器,流体传感器阵列连接水流水压数据处理器,两个流体传感器阵列分别设置在探测器壳体的两侧,每个流体传感器阵列均由若干流体传感器并排连接形成;流体传感器阵列为采用智能材料制造的感知器感知水流水压信息,水流水压数据处理平台用于处理传感器阵列获得的水流水压信息,提供控制信息到探测平台运动控制器及确定水下振源方位信息并输出到数据处理平台。
4.根据权利要求1所述的一种水下复合仿生探测装置,其特征在于,电场探测通信装置包括电信号发送端,电信号接收端和电信号处理器;电信号发送端和电信号接收端均连接到电信号处理器,电信号发送端包括电信号产生器和两个发射电极,一个发射电极发射低频正弦电信号,另一个发射电极接地;电信号接收端包括数据采样器,用于监测周围电场变化,经电信号处理器处理后获得目标位置和形状大小信息。
5.一种水下复合仿生探测装置的探测目标融合识别方法,其特征在于,基于权利要求1至4所述的一种水下复合仿生探测装置,包括以下步骤:
步骤1,建立探测结果训练数据库:在水下复合仿生探测装置周围不同位置放置障碍目标,利用水下激光探测装置、人工侧线感应装置和电场探测通信装置获取各自探测信息,经处理后输出目标信息;以上述最终输出目标信息:方位、距离和形状为训练样本,以实际目标信息作为真实值对比,建立数据库;
步骤2,通过实验建立水下复合仿生探测装置目标探测结果数据库,探测结果数据库中,随机抽取80%作为深度神经网络的训练数据,15%作为训练时的测试数据,15%作为训练结束后的验证数据,使用数据库80%的数据进行训练,防止欠拟合现象产生,同时用部分15%的数据进行测试,防止过拟合现象的产生,最后用15%的数据进行验证,检验并确保深度神经网络的最终输出结果;
步骤3,利用设计的深度神经网络训练出具有辨识目标特性:方位、距离和形状的深度神经网络模型,将信息采集、信号特征提取、目标位置变化短期预测、结果输出的步骤一体化,实现融合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810898471.7A CN109298430B (zh) | 2018-08-08 | 2018-08-08 | 一种水下复合仿生探测装置及探测目标融合识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810898471.7A CN109298430B (zh) | 2018-08-08 | 2018-08-08 | 一种水下复合仿生探测装置及探测目标融合识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109298430A true CN109298430A (zh) | 2019-02-01 |
CN109298430B CN109298430B (zh) | 2020-10-27 |
Family
ID=65168221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810898471.7A Active CN109298430B (zh) | 2018-08-08 | 2018-08-08 | 一种水下复合仿生探测装置及探测目标融合识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109298430B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123368A (zh) * | 2019-12-31 | 2020-05-08 | 西安交通大学 | 一种基于水下低频电场的探测装置及水下探测定位方法 |
CN111443605A (zh) * | 2020-04-01 | 2020-07-24 | 西安交通大学 | 构建仿生波动鳍推进运动控制方程及其参数整定优化方法 |
CN112455630A (zh) * | 2020-11-24 | 2021-03-09 | 山东交通学院 | 一种多功能海域探测机器人及其使用方法 |
CN112578463A (zh) * | 2020-12-22 | 2021-03-30 | 罗普特科技集团股份有限公司 | 一种基于电场的水中金属探测定位方法和装置 |
CN112906458A (zh) * | 2021-01-08 | 2021-06-04 | 浙江大学 | 群智能优化的水下激光多目标端到端自动识别系统 |
CN112985516A (zh) * | 2021-05-08 | 2021-06-18 | 北京科技大学 | 一种基于人工侧线的水下履带装备状态感知系统 |
CN113391357A (zh) * | 2021-05-31 | 2021-09-14 | 西安交通大学 | 一种水下多物理场复合探测系统及探测阵列优化方法 |
CN113655531A (zh) * | 2021-08-10 | 2021-11-16 | 浙江大学 | 一种基于高频电磁场的周边目标探测定位装置和方法 |
CN114002275A (zh) * | 2021-11-03 | 2022-02-01 | 北京航空航天大学 | 一种多电极阵列电场感知水下避障传感器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526618A (zh) * | 2009-04-01 | 2009-09-09 | 电子科技大学 | 一种水下目标定位装置 |
CN103616697A (zh) * | 2013-12-05 | 2014-03-05 | 哈尔滨工程大学 | 一种智能水下激光探测系统 |
CN104808210A (zh) * | 2015-04-16 | 2015-07-29 | 深圳大学 | 一种声纳和双目视觉成像系统的融合成像装置及方法 |
CN204731434U (zh) * | 2015-07-09 | 2015-10-28 | 大连海事大学 | 一种基于声呐电磁协同探测技术的海洋沉潜油检测装置 |
CN207488516U (zh) * | 2017-09-22 | 2018-06-12 | 中国船舶重工集团公司第七一九研究所 | 一种适用于海洋核动力平台的水下声光联动探测装置 |
CN108304810A (zh) * | 2018-02-07 | 2018-07-20 | 西安交通大学 | 基于神经网络的水下仿生侧线水压与水流场信息探测方法 |
CN108362334A (zh) * | 2018-02-02 | 2018-08-03 | 西安交通大学 | 一种水下仿生侧线感知阵列 |
-
2018
- 2018-08-08 CN CN201810898471.7A patent/CN109298430B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526618A (zh) * | 2009-04-01 | 2009-09-09 | 电子科技大学 | 一种水下目标定位装置 |
CN103616697A (zh) * | 2013-12-05 | 2014-03-05 | 哈尔滨工程大学 | 一种智能水下激光探测系统 |
CN104808210A (zh) * | 2015-04-16 | 2015-07-29 | 深圳大学 | 一种声纳和双目视觉成像系统的融合成像装置及方法 |
CN204731434U (zh) * | 2015-07-09 | 2015-10-28 | 大连海事大学 | 一种基于声呐电磁协同探测技术的海洋沉潜油检测装置 |
CN207488516U (zh) * | 2017-09-22 | 2018-06-12 | 中国船舶重工集团公司第七一九研究所 | 一种适用于海洋核动力平台的水下声光联动探测装置 |
CN108362334A (zh) * | 2018-02-02 | 2018-08-03 | 西安交通大学 | 一种水下仿生侧线感知阵列 |
CN108304810A (zh) * | 2018-02-07 | 2018-07-20 | 西安交通大学 | 基于神经网络的水下仿生侧线水压与水流场信息探测方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123368B (zh) * | 2019-12-31 | 2021-03-12 | 西安交通大学 | 一种基于水下低频电场的探测装置及水下探测定位方法 |
CN111123368A (zh) * | 2019-12-31 | 2020-05-08 | 西安交通大学 | 一种基于水下低频电场的探测装置及水下探测定位方法 |
CN111443605A (zh) * | 2020-04-01 | 2020-07-24 | 西安交通大学 | 构建仿生波动鳍推进运动控制方程及其参数整定优化方法 |
CN111443605B (zh) * | 2020-04-01 | 2021-03-23 | 西安交通大学 | 构建仿生波动鳍推进运动控制方程及其参数整定优化方法 |
CN112455630B (zh) * | 2020-11-24 | 2022-04-29 | 山东交通学院 | 一种多功能海域探测机器人及其使用方法 |
CN112455630A (zh) * | 2020-11-24 | 2021-03-09 | 山东交通学院 | 一种多功能海域探测机器人及其使用方法 |
CN112578463A (zh) * | 2020-12-22 | 2021-03-30 | 罗普特科技集团股份有限公司 | 一种基于电场的水中金属探测定位方法和装置 |
CN112906458A (zh) * | 2021-01-08 | 2021-06-04 | 浙江大学 | 群智能优化的水下激光多目标端到端自动识别系统 |
CN112906458B (zh) * | 2021-01-08 | 2022-07-05 | 浙江大学 | 群智能优化的水下激光多目标端到端自动识别系统 |
CN112985516B (zh) * | 2021-05-08 | 2021-08-20 | 北京科技大学 | 一种基于人工侧线的水下履带装备状态感知系统 |
CN112985516A (zh) * | 2021-05-08 | 2021-06-18 | 北京科技大学 | 一种基于人工侧线的水下履带装备状态感知系统 |
CN113391357A (zh) * | 2021-05-31 | 2021-09-14 | 西安交通大学 | 一种水下多物理场复合探测系统及探测阵列优化方法 |
CN113655531A (zh) * | 2021-08-10 | 2021-11-16 | 浙江大学 | 一种基于高频电磁场的周边目标探测定位装置和方法 |
CN114002275A (zh) * | 2021-11-03 | 2022-02-01 | 北京航空航天大学 | 一种多电极阵列电场感知水下避障传感器 |
CN114002275B (zh) * | 2021-11-03 | 2023-12-12 | 北京航空航天大学 | 一种多电极阵列电场感知水下避障传感器 |
Also Published As
Publication number | Publication date |
---|---|
CN109298430B (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109298430A (zh) | 一种水下复合仿生探测装置及探测目标融合识别方法 | |
Solberg et al. | Active electrolocation for underwater target localization | |
CN109613464B (zh) | 一种无人化水下电磁场模拟装置及检测系统 | |
Jacobi et al. | Multi sensor underwater pipeline tracking with AUVs | |
CN108469817A (zh) | 基于fpga和信息融合的无人船避障控制系统 | |
NO20130696A1 (no) | Aktiv deteksjons av sjøpattedyr i løpet av seismisk oppmåling | |
CN109002057A (zh) | 一种电缆隧道的智能巡检无人机系统 | |
CN107870335A (zh) | 高光谱激光的三维复合成像方法、系统及无人自航器 | |
KR102298643B1 (ko) | 적외선 열화상 카메라와 수중드론을 이용한 수중표면 3차원 모델링 방법 | |
CN109859202A (zh) | 一种基于usv水面光学目标跟踪的深度学习检测方法 | |
Zacchini et al. | Autonomous underwater environment perceiving and modeling: An experimental campaign with FeelHippo AUV for forward looking sonar-based automatic target recognition and data association | |
Simon et al. | Bioinspired sonar reflectors as guiding beacons for autonomous navigation | |
CN115236756A (zh) | 一种堤坝结构险情隐患巡检数据采集及处理系统 | |
Bagnitckii et al. | A survey of underwater areas using a group of AUVs | |
CN110533650A (zh) | 一种基于视觉的auv水下管道检测跟踪方法 | |
CN109283491A (zh) | 一种基于矢量探测单元的无人机定位系统 | |
CN110501680A (zh) | 基于雷达系统的目标监控系统以及目标监控方法 | |
Bavu et al. | Deeplomatics: A deep-learning based multimodal approach for aerial drone detection and localization | |
Hu et al. | A review of biomimetic artificial lateral line detection technology for unmanned underwater vehicles | |
KR102431452B1 (ko) | 수중드론을 이용한 수중 탐사시스템 | |
Yu et al. | Towards autonomous underwater vehicles in the ocean survey: A mission management system (MMS) | |
CN109579828B (zh) | 一种基于弧形磁场传感器阵列的定位系统及其使用方法 | |
CN101846738B (zh) | 基于界面反射极性判别的虚元定位方法 | |
Hou et al. | Long-range and high-precision localization method for underwater bionic positioning system based on joint active–passive electrolocation | |
Jiang et al. | Underwater moving object localisation based on weak electric fish bionic sensing principle and LSTM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |